AI用語集 / Text-to-video

🎨 画像・動画・音声

テキストから動画を生成する技術は、テキストの説明から動きのある映像を作り出します。近年では、1枚の画像をモデルが動かす画像から動画への生成も広く使われています。最新のシステムは、動きに説得力のある数秒から十数秒の動画を作成し、高性能なものは音声も同期して生成します。 大きな課題は、カットをまたいだ登場人物の一貫性、長いシーケンスの生成、演出の細かなコントロールです。実際には、完成した映画を作る機械というより、編集に使う個々のカットを作るツールとして活用されています。